Open Access

In dieser Arbeit wird die Erstellung eines Machine Learning Prototyps in Python für das Risikomanagement in Projekten vorgestellt.

In vielen Unternehmen steht die Modellierung und Ausführung von Geschäftsprozessen im Fokus, da Geschäftsprozesse den Wert eines Unternehmens abbilden. Aus den Prozessmodellen lassen sich Optimierungspotentiale und Verbesserungen ableiten. Zudem kann durch die Nutzung entsprechender Software die Ausführung von Geschäftsprozessen durch IT-Systeme unterstützt werden. Gerade bei größeren Unternehmen gibt es sehr viele Prozesse, deren Modelle erstellt und laufend gepflegt werden müssen. Oftmals unterscheiden sie sich aber nur in wenigen Prozessschritten, sodass mehrere Varianten eines Prozesses existieren. Deshalb hat sich in der Wissenschaft das Themenfeld der adaptiven Modellierung entwickelt. Dabei werden die Varianten in einem Modell zusammengefasst. Durch die Angabe von Konfigurationstermen und deren Auswertung lassen sich aus dem adaptiven Modell dann wieder einzelne Prozessvarianten extrahieren. Zur Modellierung adaptiver Prozessmodelle und der Generierung von Varianten gibt es bereits eine Softwareunterstützung. Bislang fehlt aber die Möglichkeit, die Prozessvarianten auch ausführen zu können. In dieser Arbeit wurde deshalb untersucht, wie sich eine Softwareunterstützung zur Ausführung von Prozessvarianten konzipieren und implementieren lässt. Das Ergebnis der Arbeit ist eine Webanwendung, mit der zuvor generierte Prozessvarianten über eine Schnittstelle auf einer Workflow-Engine ausgeführt werden können. Dabei standen User Tasks im Vordergrund, also die Prozessschritte, bei denen eine Eingabe oder Bestätigung durch einen Nutzer erforderlich ist. Da die Problematik der Prozessvarianten unter anderem auch in industriellen Betrieben, z.B. bei der Produktion, zu finden ist, wurde ein Prozess aus der Materialflussplanung als Beispiel verwendet. Dafür wurde aus einem als EPK vorliegenden Prozess ein adaptives Modell erstellt und daraus mit Hilfe bestehender Software Prozessvarianten generiert, die anschließend in der Webanwendung hochgeladen und ausgeführt wurden.

Ziel der Arbeit ist es, einen Prototyp zu entwickeln, bei dem die Nachteile einer starren Termin- und Ressourcenplanung ausgeglichen werden. Als Nachteil einer starren Vorgehensweise gilt unter anderem die häufige Planung ohne Berücksichtigung von Umweltentwicklungen. Genauso das Treffen von unwiderruflichen Entscheidungen und damit der Ausschluss von etwaigen Anpassungen. Bei Projekten treten häufig Zustände ein, mit denen vorher nicht gerechnet werden kann. Deshalb muss man sich oft, um Schaden abzuwenden, an Entwicklungen anpassen und beweglich bleiben. Mithilfe von entsprechenden Plänen für zukünftige Zeitpunkte, kann man hier entgegenwirken und eine Flexibilität herstellen. Dies soll beim Prototyp durch eine wahrscheinlichkeitsbasierte Darstellung geschehen, in der Risiken miteinbezogen werden.

Einer der Hauptintensionen der Modellierung besteht darin, Unternehmensabläufe systematisch und strukturiert grafisch darzustellen. Dementsprechend ist das Ziel dieser Forschungsarbeit den PROD Deployment-Prozess des Unternehmens Elektroniksystem- und Logistik GmbH zu optimieren und grafisch darzustellen. Dabei wurden folgende Forschungsfragen gestellt: Welche Adaptionstechnik kann für die ESG verwendet werden? Wie sieht ein geeignetes Referenzmodell für die ESG aus? Für einen wirtschaftlichen, syntaktisch und pragmatischen Lösungsvorschlag wurden im ersten Abschnitt der Forschung bestimmte Bereiche der Prozessdurchführung, wie ITIL und FitSM analysiert und versucht diese an den betroffenen Prozess anzuwenden. Auch agile Vorgehensweisen wie SCRUM und SAFe wurden durch die Präsenz der agilen Denkweise im Unternehmen betrachtet. Zur Beantwortung der Forschungsfragen wurden weiterhin die verschiedenen Arten der Modelle erläutert. Um die geeignetste Adaptionstechnik für den bestehenden Prozess zu finden, wurden die fünf Adaptionstechniken der Referenzmodellierung analysiert und auch auf ihre Softwareunterstützung geprüft. Zur Gewährleistung der Wirtschaftlichkeit, wurden Expertenbefragungen in jedem Team durchgeführt, um spezifische Probleme und prozesstechnische Umwege zu beseitigen. Das Ergebnis der Forschungsarbeit zeigte, dass die Konfiguration die geeignetste Adaptionstechnik ist. Auch durch die geführten Interviews und bestbewährte Methoden, konnte eine Optimierung des PROD Deployment-Prozesses gewährleistet und durch die Modellierungssprache BPMN, sowie der Softwareunterstützung bpmn.io grafisch dargestellt werden. Somit zeigen die Ergebnisse, dass die gestellten Forschungsfragen beantwortet werden konnten, jedoch die Implementierung im täglichen Ablauf des Unternehmens in Ausblick gestellt wurden.

Smartphones sind aus dem alltäglichen Leben kaum noch wegzudenken. Egal ob das Steuern von Haushaltsgeräten, wie Leuchtmittel in Lampen und anderen Smart-Home-Systemen oder Onlinebanking von überall aus. Das Smartphone erleichtert die Durchführung von Aufgaben von fast überall aus. Mobile Informationssysteme erweitern dabei unsere kognitiven Fähigkeiten, wie beispielsweise das Orientieren und Navigieren in einer fremden Stadt mit dem Smartphone. Zum Erfolg des Smartphones trug wesentlich die Öffnung der jeweiligen Betriebssysteme für Drittanbieteranwendungen bei. Dies führte dazu, dass Entwickler nützliche mobile Anwendungen (Apps) für Smartphones entwickelten und somit deren Grundfunktion erweiterten. Heute ist daraus ein riesiger Markt entstanden. Im März 2017 waren in den führenden App-Stores über 6,5 Millionen mobile Anwendungen verfügbar. Allein bei Google Play, dem führenden App-Store von Google mit einem Marktanteil von 73,54%, waren über 2,6 Millionen verschiedene mobile Anwendungen erhältlich. Vor diesem Hintergrund erscheint es wenig verwunderlich, dass auch der generierte Umsatz durch mobile Anwendungen stieg und für 2021 ein weltweiter Umsatz von 139 Milliarden US-Dollar prognostiziert wird. Dies würde einem Umsatzwachstum von ca. 50 Milliarden US-Dollar im Vergleich zum Jahr 2017 bedeuten. Solche Zahlen wecken den Anschein, dass Entwickler von mobilen Anwendungen und Unternehmen, die diese vertreiben in guten Zeiten leben. Dass dies nicht oft der Fall ist, zeigen mehrere Studien zum kommerziellen Erfolg von mobilen Anwendungen, beziehungsweise der Unternehmen, die diese entwickeln. Dabei wurde festgestellt, dass nur ein geringer Teil der Unternehmen einen nennenswerten Umsatz erwirtschaften kann. Die meisten Unternehmen, beziehungsweise Entwickler erzielten einen Umsatz von weniger als 5.000 US-Dollar. Etwa nur 1% der Unternehmen verdienen mehr als 500.000 US-Dollar. Mitunter entscheidend für den kommerziellen Erfolg einer mobilen Anwendung ist die Auswahl des richtigen Erlösmodells. Jenes muss zum Geschäftsmodell des Unternehmens passen. Meist sind aber nur die offensichtlichsten Erlösmodelle, wie beispielsweise Freemium, Verkauf oder Werbung, den Entwicklern bekannt. Jedoch gibt es eine ganze Reihe weiterer Erlösmodelle, die für mobile Anwendungen nicht so geläufig sind. Um Entwicklern und Unternehmen einen klareren Einblick in die verschiedenen Erlösmodelle von mobilen Anwendungen mit deren Vor- aber Nachteilen zu geben, soll ein Mobile Revenue Model Catalogue (MRMC) entwickelt werden. Dieser Katalog soll die gängigsten Erlösmodelle für mobile Anwendungen umfassen, sowie die verschiedenen Strategien beleuchten.